一种利用两阶段学习模型的水下阵列定位方法

水下声学(underwater acoustic,UWA)阵列信号处理是常见的水下定位方式之一。针对噪声影响定位精度的问题,提出一种利用两阶段学习模型的定位方法。首先,分别对接收信号的实部和虚部特征进行训练,建立一个基于多层卷积神经网络的学习模型进行降噪处理;然后,构建一个改进的加权延时求和的波束形成器组模型,利用梯度下降准则对各个通道的权重进行调整,得到最优相对时延和最佳角度估计,再通过几何解算得到较为精确的定位信息。仿真实验结果表明,在-25~10 dB的信噪比环境中,所提方法与传统水下声阵列处理相比,应对信噪比变化的鲁棒性更强,且定位精度更高,湖上实验进一步验证了该方法的有效性。